[논문 리뷰] Website fingerprinting at scale

Jamie Hayes, George Danezis|arXiv (Cornell University)|2015. 09. 02.

Internet Traffic Analysis and Secure E-voting인용 수 3

한 줄 요약

이 논문은 암호화된 네트워크 트래픽을 기반으로 웹사이트 지문을 분석하는 데 사용되는 k-지문화 기법을 소개한다. 이 기법은 100,000개의 모니터링되지 않은 웹 페이지 중에서 30개의 모니터링된 Tor 은신 서비스에 대한 액세스를 식별할 때 진성 양성률 85%와 0.02%의 가짜 양성률을 달성하며, 높은 노이즈 수준에서도 최신 기술을 능가한다.

ABSTRACT

Website fingerprinting enables an attacker to infer which web page a client is browsing through encrypted or anonymized network connections. We present a new website fingerprinting technique based on random decision forests and evaluate performance over standard web pages as well as Tor hidden services, on a larger scale than previous works. Our technique, k-fingerprinting, performs better than current state-of-the-art attacks even against website fingerprinting defenses, and we show that it is possible to launch a website fingerprinting attack in the face of a large amount of noisy data. We can correctly determine which of 30 monitored hidden services a client is visiting with 85% true positive rate (TPR), a false positive rate (FPR) as low as 0.02%, from a world size of 100,000 unmonitored web pages. We further show that error rates vary widely between web resources, and thus some patterns of use will be predictably more vulnerable to attack than others.

연구 동기 및 목표

• 암호화되고 익명화된 네트워크 트래픽에 효과적으로 대응할 수 있는 확장 가능한 웹사이트 지문화 기법을 개발하는 것.
• 기본 웹 페이지와 Tor 은신 서비스에서 대규모로 제안된 방법의 성능을 평가하는 것.
• 높은 수준의 네트워크 노이즈와 다양한 웹 액세스 패턴 하에서 기법의 내성에 대한 평가.
• 예측 가능한 트래픽 패턴을 가진 웹 자원이 지문화에 더 취약한 이유를 규명하는 것.

제안 방법

• 이 방법은 암호화된 연결에서 추출한 패킷 수준의 특징을 기반으로 네트워크 트래픽을 분류하기 위해 랜덤 결정수림을 활용한다.
• 현실적인 배경 노이즈를 시뮬레이션하기 위해 100,000개의 모니터링되지 않은 웹 페이지로 구성된 대규모 데이터셋을 활용한다.
• 모델은 30개의 모니터링된 Tor 은신 서비스와 네트워크 전체 웹 사용자 집단을 구분하도록 훈련된다.
• 특징 공학은 패킷의 시간, 크기, 순서 패턴에 중점을 두어 식별 가능한 트래픽 서명을 포착한다.
• 고체적 배경 트래픽과 다양한 사용자 행동을 고려한 현실적인 조건에서 접근법을 평가한다.
• 시스템은 효율적인 확장성을 갖추고 있어 대규모 네트워크 트래픽에서 실시간 추론이 가능하도록 설계되어 있다.

실험 결과

연구 질문

• RQ1 100,000개의 모니터링되지 않은 웹 페이지가 배경 노이즈로 존재할 경우, 웹사이트 지문화 기법이 높은 정확도를 유지할 수 있는가?
• RQ2 제안된 방법의 성능은 Tor 은신 서비스에서 최신 기술적 공격과 비교해 어떻게 다른가?
• RQ3 다양한 웹 자원의 트래픽 패턴이 지문화에 얼마나 영향을 미치는가?
• RQ4 높은 노이즈 수준에서 모니터링된 은신 서비스와 일반 웹 사이를 효과적으로 구분할 수 있는가?
• RQ5 웹 사용 패턴에 예측 가능한 패턴이 존재하여 일부 웹사이트가 본질적으로 지문화에 더 취약한가?

주요 결과

• k-지문화 기법은 30개의 모니터링된 Tor 은신 서비스에 대한 액세스 식별에서 진성 양성률 85%를 달성한다.
• 가짜 양성률은 0.02%에 불과하여, 모니터링된 페이지와 모니터링되지 않은 페이지를 높은 정밀도로 구분함을 시사한다.
• 방어 조치가 적용된 상황에서도 이전의 최신 기술적 지문화 공격보다 성능이 뛰어나다.
• 오류율은 웹 자원에 따라 크게 달라지며, 이는 일부 웹사이트가 예측 가능한 트래픽 패턴으로 인해 본질적으로 더 취약하다는 것을 시사한다.
• 다량의 노이즈가 있는 배경 트래픽이 존재하더라도 기법은 효과성을 유지하여 현실 세계 조건에서의 강건성을 입증한다.